摘 要：在電動汽車充電時，通常會遇到一些問題，比如高壓線路連接不牢固和線路絕緣老化破損等。這些問題往往會導致電弧故障，嚴重威脅到充電線路的安全性。由此本文提出基于改進奇異值分解的新能源汽車串聯(lián)型電弧故障檢測方法的研究，該研究旨在快速、準確地檢測電動汽車電氣系統(tǒng)中的電弧故障。該研究搭建了電動汽車故障電弧實驗平臺，采集不同工況下干路電流時間序列并建立了樣本庫。通過使用串聯(lián)型鋰離子電池系統(tǒng)的等效電路模型，構(gòu)建基于二階 RC 模型。最終，通過仿真分析來驗證該模型的準確性。

關(guān)鍵詞：改進奇異值分解 故障檢測 新能源汽車 串聯(lián)型電弧

0 引言

在我國經(jīng)濟高質(zhì)量發(fā)展的背景下，汽車保有量不斷攀升。為了滿足平衡能源安全和環(huán)境保護的要求，推進汽車行業(yè)向雙碳轉(zhuǎn)型的努力顯得尤為緊迫。目前，電動汽車電氣系統(tǒng)中存在直流串聯(lián)電弧故障的潛在危險。這類故障通常發(fā)生在接觸點松動或線路連接損壞處，可能導致火災、爆炸等嚴重事故[1]。因此，快速、準確地檢測電動汽車串聯(lián)型電弧故障對于保障電動汽車的安全運行至關(guān)重要。傳統(tǒng)的檢測方法可能存在準確率低、冗余性高等問題。因此，本文提出基于改進奇異值分解的新能源汽車串聯(lián)型電弧故障檢測方法，通過實驗獲得正常工作和電弧故障時的電流波形，并提取小波變換的特征值，將特征值輸入概率神經(jīng)網(wǎng)絡模型，參照UL 1699標準，通過計算0.5秒內(nèi)檢測到的故障半周期數(shù)是否大于8來判斷是否為電弧故障[2]。通過奇異值分解，能夠明顯區(qū)分正常狀態(tài)和電弧故障時的特征參數(shù)，不存在混淆，有利于設定閾值。相較于僅使用小波變換，這一方法顯著減少了小波變換結(jié)果的冗余性。該方法可以有效檢測各種負載條件下的故障電弧。

1 新能源汽車電弧故障檢測分析

為了方便研究電動汽車的電路結(jié)構(gòu)，我們簡化了設計，通過實驗平臺搭建、數(shù)據(jù)采集以及采用先進的機器學習方法，僅保留了必要的元件，如高功率電機及其驅(qū)動電路和加熱器等重要設備，而對較為次要的低功率電器設備進行了忽略[3]。這項電動汽車實驗的設計電路將主要集中在直流故障電弧的研究上。其中，新能源汽車簡化原理圖如圖1所示：

通過連接到電動汽車無刷電機上的傳動皮帶制動器，進行車輛在行駛時所經(jīng)歷產(chǎn)生阻力的模擬。這些方法有助于在實驗室環(huán)境中模擬真實道路條件下的車輛性能，從而進行更加精確和可靠的測試。為了進行故障電弧特征分析，需要記錄負載電壓、主回路電流和故障電弧電壓信號[4]。在較低電流水平下，電流-電壓特性呈反比關(guān)系，而在較高電流水平下，電弧電壓近似保持恒定。這意味著隨著電流增加，電壓也會相應下降，反之亦然。為了精確控制振幅和頻率，改進了現(xiàn)有的故障電弧發(fā)生裝置，采用了合理的定位反饋和感應裝置，考慮了斷開速度和更小的斷開間隙，以解決受振動影響導致接觸點松動的問題[5]。

為了精確控制振幅和頻率，改進了現(xiàn)有的故障電弧發(fā)生裝置，采用了合理的定位反饋和感應裝置，考慮了斷開速度和更小的斷開間隙，以解決受振動影響導致接觸點松動的問題[6]。其中，新能源汽車串聯(lián)型電弧故障檢測的電壓-電流波形圖如圖2所示：

從電流波形的角度來看，盡管接觸點保持靜止且沒有振動，然而，電流波形仍呈現(xiàn)出明顯的周期性尖峰。電源電壓中存在噪音，當電流中斷時，電弧電壓并沒有達到電源電壓。這種情況主要是因為受到轉(zhuǎn)矩平衡等影響。

2 基于改進奇異值分解的串聯(lián)型電弧故障檢測分析

基于改進奇異值分解的串聯(lián)型電弧故障檢測通過電弧模擬裝置產(chǎn)生串聯(lián)故障電弧，并采集多種負載下線路正常工作和發(fā)生串聯(lián)電弧故障時的電流信號。對采集到的電流信號進行離散小波變換，得到離散小波系數(shù)序列，并構(gòu)造特征矩陣。在兩個電極開始分離但尚未完全分離的過程中，電極之間的壓力逐漸減小[7]。這會導致它們的接觸面積減小，從而接觸電阻逐漸增加。這種情況會導致接觸點處的溫度迅速上升，金屬開始融化并形成了導電通道。因此，在此過程中，必須注意接觸點的溫度控制，以避免電路的不穩(wěn)定性和損壞。這一過程被稱為“電弧放電”，在此過程中，電流通過融化的金屬形成了一個電流傳導通路。隨著電極逐漸分離，會形成極大的電位差。在高溫環(huán)境下，陰極上的電子會被釋放到陽極，同時釋放更多熱量，進一步加劇電弧的燃燒過程。并在多種負載下線路正常工作和發(fā)生串聯(lián)電弧故障時的電流[8]。然后，對采集的電流信號進行離散小波變換，得到離散小波系數(shù)序列，在構(gòu)建特征矩陣后，接下來要進行奇異值分解，并確定電流信號的特征參數(shù)。這些特征參數(shù)將被用于作為串聯(lián)電弧故障檢測的依據(jù)。其中，新能源汽車串聯(lián)型電弧故障檢測的直流電弧電路如圖3所示：

如圖3所示，E表示為電源電動勢，U表示為電弧電壓，流過直流電弧電路的電流為i，L表示為電感，R表示為調(diào)節(jié)電阻，通過調(diào)節(jié)電阻來改變電路的電流，電弧在1和2之間進行燃燒，通過對比觀察電弧發(fā)生時逆變器直流側(cè)、單個光伏組件處的電壓、電流及功率波形的變化，力圖排除環(huán)境因素影響，識別故障電弧的發(fā)生。在電弧達到穩(wěn)定平衡燃燒后，測量電弧的電壓，可以獲得電弧在1和2上的電壓-電流特性曲線，具體示意如圖4所示：

電弧的伏安特性曲線表明，電弧與一般金屬導體不同，其伏安特性呈反比例關(guān)系。其對應的串聯(lián)型電弧的伏安特性曲線的公式可表示為：

（1）

其中，可表示為電弧兩端的電壓，可表示為近降的電壓；可表示為電弧流過的電流；K可表示為電極兩端的間距；b，q，r為常數(shù)。這種特性使得電弧的行為在電路中具有獨特的影響。通過改變電弧長度并重新測量，可以得到另一條曲線，表明不同的弧長對電弧的伏安特性產(chǎn)生影響。在穩(wěn)定燃燒的情況下，電弧電壓隨著電流的增加而減小，這與普通電路中電阻值不變時的情況相反。電弧電阻隨電流變化，電流增大時，電弧內(nèi)游離作用加劇，離子濃度增加，導電性增強，因此對外呈現(xiàn)的電阻值減小。此外，直流電弧的靜伏安特性與弧長有關(guān)，弧長越長，靜伏安特性越向上移。靜特性是指在電弧穩(wěn)定燃燒條件下，電弧不受熱慣性影響時的電流與壓降關(guān)系，而動特性則是指在電弧不穩(wěn)定燃燒條件下，電弧電流變化快，其熱慣性對電弧有影響時的電流與壓降關(guān)系。

3 基于改進奇異值分解的串聯(lián)型電弧故障檢測結(jié)果分析

基于改進奇異值分解的新能源汽車串聯(lián)型電弧故障檢測在穩(wěn)定的外部條件下，對于電弧長度保持不變的情況下，會存在一條獨特的靜態(tài)伏安特性曲線。這條曲線描繪了電弧的電壓和電流之間的關(guān)系，是在特定條件下固定的，并在電弧故障情況下，特征參數(shù)的區(qū)分非常明顯，且彼此之間沒有交叉，因此很容易確定閾值。然而，動態(tài)特性曲線的情況卻是多種多樣的，這取決于電弧電流的一階導數(shù)。其中，基于改進奇異值分解的新能源汽車串聯(lián)型電弧故障檢測結(jié)果如圖5所示：

由圖5可知，新能源汽車串聯(lián)型電弧故障與正常運行下的電流諧波中的均值出現(xiàn)了明顯的差異，正常的電流諧振保持在一個均值不變，故障的電流諧振保持在波動明顯。這一現(xiàn)象的產(chǎn)生主要是因為電弧的溫度和半徑變化存在一定的滯后效應。當電弧電流的變化率增大時，電弧電阻的下降速度滯后于電流變化的速度，這導致電弧電壓高于穩(wěn)態(tài)電壓。相反地，當電弧電流的變化率減小時，電弧電阻無法及時增加，從而導致電弧電壓低于穩(wěn)態(tài)電壓。這種現(xiàn)象說明了在電弧過程中，電阻和電壓之間存在一定的滯后關(guān)系。這種滯后效應會導致電弧特性發(fā)生變化，進而影響電路的穩(wěn)定性和安全性。

4 結(jié)論

通過基于改進奇異值分解的串聯(lián)型電弧故障檢測分析可知，基于改進奇異值分解的新能源汽車串聯(lián)型電弧故障檢測方法進行串聯(lián)電弧故障檢測的準確率較高，能夠滿足新能源汽車電路系統(tǒng)對電弧故障檢測的需求。正常情況和電弧故障下的特征參數(shù)區(qū)分明顯且沒有交叉，易于確定閾值。因此，這種技術(shù)可用于檢測串聯(lián)電弧故障，其精準性較高，并且有效地減少了小波變換結(jié)果中的冗余信息，使數(shù)據(jù)更為緊湊?；诟倪M奇異值分解的新能源汽車串聯(lián)型電弧故障檢測方法是一種準確、有效的檢測方法2o4LEHECYSdsRcYUT5rhObQEw7Ie6xExwgE3sRp7+tc=。未來，可以考慮進一步優(yōu)化算法，提高檢測速度和精度，以滿足新能源汽車電路系統(tǒng)對電弧故障檢測的更高要求。通過將機器學習和深度學習等算法運用到電弧故障檢測領(lǐng)域，隨著人工智能技術(shù)的不斷發(fā)展，可以有效地提升檢測的精準度和可靠性。同時，也可以探索將該方法應用于其他類型的電路系統(tǒng)，擴大其應用范圍，確保檢測系統(tǒng)的實時性至關(guān)重要，以便在電弧故障初期及時發(fā)現(xiàn)并采取必要措施，防止事故蔓延擴大。

參考文獻：

[1]劉艷麗，張帆，呂正陽，等.典型神經(jīng)網(wǎng)絡串聯(lián)型電弧故障檢測及選線方法研究[J].遼寧工程技術(shù)大學學報（自然科學版），2024（01）：77-84.

[2]馮進.基于小波包分解的新能源汽車電弧故障檢測方法[J].汽車與新動力，2023（06）：61-64.

[3]李斌，楊亦航.基于改進的AlexNet模型的家用負載電弧檢測[J].傳感技術(shù)學報，2023（12）：1928-1934.

[4]唐圣學，王彥豐，喬乃珍.光伏發(fā)電系統(tǒng)直流串聯(lián)故障電弧檢測方法研究[J].太陽能學報，2023（11）：31-39.

[5]董志文，蘇晶晶.基于變分模態(tài)分解能量熵混合時域特征和隨機森林的故障電弧檢測方法[J].電氣技術(shù)，2024（01）：1-7.

[6]宋振宇，邢晨，李明，等.光伏直流配電故障診斷及火災風險評估技術(shù)[J].全球能源互聯(lián)網(wǎng)，2024（01）：46-54.

[7]林亮世，高偉，楊耿杰.基于冗余天線陣列和加權(quán)質(zhì)心算法的光伏系統(tǒng)直流電弧故障定位方法[J].電氣技術(shù)，2024（04）：16-23+31.

[8]余瓊芳，張宇海，趙亮.基于改進EfficientNetV2算法的三相串聯(lián)故障電弧檢測[J].兵器裝備工程學報，2024（03）：299-305.